• R
• RStudio
• Estructuración del trabajo en R
  • Uso de proyectos en Rstudio
  • packrat
  • Organización de proyectos en sistemas de directorios
  • Rutas relativas
• Guía de estilo R
• Herramientas para compartir y acceder a información
  • Dropbox
  • GoogleSheets
  • Figshare

• Es un lenguaje de programación y un entorno para computación estadística, análisis de datos y creación de gráficos.
• Fue desarrollado inicialmente por Robert Gentleman y Ross Ihaka (Auckland, 1993) combinando las fortalezas de dos lenguajes existentes, S y Scheme.
• El resultado se llamó R, en parte al reconocimiento de la influencia de S y en parte porque es la inicial del nombre de los autores (Hornik 2008)
• Se distribuye de forma libre bajo la licencia GNU GPL.
• Está disponible para los sistemas operativos Windows, Macintosh, Unix y GNU/Linux.

     R se basa en scripts en lugar de menús.

• Diseñado para el análisis de datos
• Productividad
• Flexibilidad
• Cualquier técnica estadística, se puede construir dentro de R… o ya está disponible en algún package de forma libre.
• Forma parte de un proyecto colaborativo y abierto. El repositorio oficial de paquetes CRAN (The Comprehensive R Archive Network) tiene actualmente 10563 paquetes y 1380 en Bioconductor (Open source software for bioinformatics) 20170507.

Bibliografía: Grant (2016)

• Excelente ayuda y documentación.
• Algunas revistas (Editorial Biostatistics) sólo contrastan reproducibilidad de procesos en R.

• RStudio es la compañía fundada por JJ Allaire (Indiana, 1969) en el año 2009 con el objetivo de crear software de código abierto para el análisis de datos y la computación estadística.
• RStudio es un entorno de desarrollo integrado (IDE) para R.

• Parte comercial: RStudio Server Pro, Shiny Server Pro y shinyapps.io

     https://rviews.rstudio.com/2016/10/12/interview-with-j-j-allaire/

• RStudio participa en la creación y desarrollo de paquetes importantes (ggplot2, dplyr, tidyr, lubridate, stringr,…) y herramientas como RMarkdown o Shiny.
• RStudio está especialmente bien integrado con herramientas útiles para hacer investigación reproducible: (Gandrud 2015)
  • Un lenguaje estadístico para recoger y analizar datos (R)
  • Lenguajes para crear documentos, presentaciones, libros, artículos o webpages (LaTeX, Markdown, Shiny)
  • Herramientas que combinen el código fuente y la presentación de resultados mediante la creación de documentos dinámicos, gestión de archivos y control de versiones (Rpackages knitr y rmarkdown, Git)

• Proporciona un entorno centralizado y bien organizado donde hacer casi todo lo que quieras con R.
  
  … y es gratis!

     Source: creación scripts de R con resaltado de sintaxis

    Console. Environment

    View. History. Files

    Plot: ventana para gráficos

    Plot Viewer: ventana para gráficos interactivos

    Help: ayuda integrada de R (comando ?)

    Help: ayuda integrada de R

    Cheatsheets: hojas de trucos ;)

    RStudio Cheatsheet

    Packages

    Tab: opciones, finalización de código

    Tab: opciones, finalización de código

    Tab: opciones, finalización de código

    Atajos de teclado: cmd+Enter, shift+up,…

    Folders

    Folders

    Folders

    Folders

La investigación reproducible proporciona al investigador:

• mejores hábitos de trabajo (proyectos, evitar duplicidades, organización, depuración, …)
• mejor trabajo en equipo, más fácil y útil para tus colaboradores (guía de estilo, sintaxis, código claro, …)
• modificaciones sencillas (documentos dinámicos)
• mayor impacto en la investigación

(Gandrud 2015)

Packrat es un sistema de gestión de dependencias

Packrat trata de resolver problemas con paquetes, dependencias y versiones, haciendo los proyectos:

• Aislados: crea en cada proyecto su propia librería de paquetes.
• Portables: puedes llevarte el proyecto a otro ordenador incluso entre diferentes plataformas. Packrat facilita la instalación de paquetes de los que depende el proyecto.
• Reproducibles: guarda las versiones exactas de los paquetes que utiliza el proyecto y asegura que esas versiones exactas serán las que se instalen a donde vayas.

Cómo trabaja Packrat?

• Crea una private package library en la carpeta del proyecto
• Cuando abres una sesión de un proyecto con packrat, R mira sólo a esa carpeta. Cada vez que instales o borres un paquete, packrat hace esos cambios en la private library (aislamiento).
• Desafortunadamente, las private libraries (como todas) no viajan bien porque sus contenidos son compilados según la arquitectura de la máquina, sistema operativo y la versión de R. Así que packrat hace snapshots del estado de la librería y de cualquier cambio, y se asegura de tener toda la información necesaria para poder restaurar esa biblioteca en otra máquina (portabilidad y reproducibilidad).
• Packrat también te informa de paquetes que tienes que cargados y que no son necesarios para correr tu código. Así mantiene limpia tu bliblioteca.

El manejo cuidadoso de archivos es crucial para la investigación reproducible.

Hay que tener un plan para organizar, almacenar y compartir los archivos.

Gandrud (2015)

La falta de organización en el espacio de trabajo es una fuente potencial de errores. Por tanto, un factor a evitar en nuesto trabajo.

… la organización lleva su tiempo.

Principios básicos:

• Sé consistente (estructura de directorio, nombres)
• Coloca todo en un único directorio
• Separa código de los datos
• Separa datos brutos de los datos procesados
• Resultados
• Figuras
• Informes

• Debemos ser capaces de organizarlo todo (K Broman 2016)
  • Nuestras cosas

• Debemos ser capaces de organizarlo todo (K Broman 2016)
  • Nuestros proyectos

• Debemos ser capaces de organizarlo todo (K Broman 2016)
  • Nuestros artículos

xkcd.com/1179

xkcd.com/1179

• Código de este tipo puede crear la estructura de directorios adecuada para ejecutar la aplicación.

if(!dir.exists("datos")){
dir.create("datos")
}

• … con estructura jerárquica:

dir.create("datos/brutos")
dir.create("datos/procesados")

Existen dos estilos de rutas, Mac/Linux y Windows, cuyas diferencias básicamente en:

• Mac y Linux utilizan slashes (p.e. datos/datos_brutos) y Windows utiliza backslashes (p.e. datos\datos_brutos).

R puede trabajar con los dos pero, desafortunadamente, backslash tiene un significado especial para R y hay que duplicarlos (p.e. datos\\datos_brutos).

Recomendación: siempre slashes.

Grolemund and Wickham (2016)

• Las rutas absolutas (rutas que aputan al mismo lugar independientemente del directorio de trabajo) se ven diferentes. En Windows empiezan con la letra del disco (p.e. C:) y en Mac/Linux empiezan con una slash (p.e. /Users/JordiPerez).

Recomendación: Nunca deberíamos utilizar rutas absolutas porque dificulta el intercambio de proyectos.

• La última diferencia menor es al lugar que señala ~. En Mac/Linux apunta a tu home directory. En Windows, apunta a Mis Documentos.

Grolemund and Wickham (2016)

Si se distribuye código con directorios referenciados de forma relativa funcionará siempre.

read.table("../datos/brutos/datos_perinatal_2015.txt", sep=";", header=T)
setwd("./informes/rmarkdown")
setwd("~/Dropbox")

Jaffe and Leek (2016)

Funciones útiles:

getwd()

# [1] "/home/carlos/Documentos/GitHub/curso_inv_rep/sesion_02_rstudio"

path.expand("~")

# [1] "/home/carlos"

file.path("~", "Dropbox")

# [1] "~/Dropbox"

Un buen estilo de escribir código es como utilizar correctamente los signos de puntuación. Puedes escribir sin ellos pero facilita la compresión.

Wickham (2014)

Cuando se colabora en un proyecto, un código tiene muchos autores y lectores. En estos casos es muy útil tener un estilo claro y bien definido, y a ser posible, común.

geekandpoke.typepad.com

Principios básicos:

• Código que funcione (sin errores, la eficiencia es secundario)
• Inteligible (código simple y claro)
• Reutilizable (modular)
• Reproducible (re-runnable)
• No tengas prisa. Piensa antes de escribir (se minimizan errores y re-escrituras)
• Aprende de otros (R, R packages)

(Karl Broman 2016; Wilson et al. 2014)

Funciones

• Crea funciones y llámalas repetidamente
• Es más sencillo de mantener (!)
• Mira en librerías y paquetes (!)
• Rompe el código en pequeñas funciones
• Parte una gran función en pequeñas funciones
• Si escribes el mismo código más de una vez, haz una función
• Si una línea o bloque de código es complicado, haz una función
• Puedes crearte tu propio R package! Con tus funciones!

Comentarios

• Incluye un breve comentario al principio del script
• Comenta los puntos críticos/difíciles y las secciones
• No contradigas el código (!)
• Comenta el código cuando lo escribas (o antes)
• Planea gastar 1/4 del tiempo comentando

Nombres de archivos

• Utiliza nombres útiles
• Define nombres descriptivos pero concisos NO ES FÁCIL!
• Evita los acentos.
• Evita nombres del estilo:
  

  temp1
  temp2
  fv
  nms

Nombres de archivos

• Sustituye espacios por guiones.
  

  funciones-proyecto.R
  modelos-ajustados.R

  cosas.r
  informe.r

• Si hay que ejecutar los archivos secuencialmente, ordénalos.
  

  0-datos.R.
  1-descriptivo.R
  2-analisis.R

Nombres de objetos

• Utiliza nombres útiles
• Define nombres descriptivos pero concisos NO ES FÁCIL!
• Funciones con verbos, objetos con nombres
• En minúsculas y separados por guión bajo _

  periodo_1
  periodo_uno

  primer_periodo_del_ensayo
  PeriodoUno
  periodouno
  ppde

Nombres de objetos

• Evita la confusión.
• No utilices nombres de variables o funciones

    T <- FALSE
    c <- 10
    mean <- function(x) sum(x) 

• No utilices a la vez: total y totals, Mat y mat, g y gg

readr

Read Rectangular Text Data

xlsx, readxl

Read/write xls/xlsx. Import excel files into R

foreign

Read Data Stored by Minitab, S, SAS, SPSS, Stata, Systat, Weka, dBase, …

haven

Import and Export 'SPSS', 'Stata' and 'SAS' Files

RODBC

ODBC Database Access

pxR

PC-Axis with R. Provides a set of functions for reading and writing PCAxis files, used by different statistical organizations around the globe for data dissemination.

download.file

Descargas de datos de la web. Ejemplo: Banco de España. Series temporales cuadros de Cuentas Financieras:

fileUrl <- "http://www.bde.es/webbde/es/estadis/ccff/csvs/cf.zip"
download.file(fileUrl,
destfile="./data/cf.zip")
list.files("./data")
dateDownloaded <- date()
dateDownloaded

El package rdrop2 de Karthik Ram reemplaza a rDrop.

En primer lugar, debes autenticarte:

tras permitir:

Tras identificarse, las funciones deseables:

• Listar archivos y directorios.

• Crear una carpeta en Dropbox: drop_create('drop_test')

• Subir un fichero a Dropbox: drop_upload('mtcars.csv')

• Descargar un fichero a Dropbox: drop_get('mtcars.csv')

• Borrar un fichero de Dropbox: drop_delete('mtcars.csv')

• Mover un fichero en Dropbox: drop_move("mtcars.csv", "new_folder/mtcars.csv")

• Copiar un fichero en Dropbox: drop_copy("new_folder/mtcars.csv", "new_folder2/mtcars.csv")

• Buscar un fichero en Dropbox: drop_search('gif')

El package googlesheets de Jennifer Bryan y Joanna Zhao permite importar y exportar hojas de cálculo desde una app de Shiny o desde nuestro pc, crearlas o eliminarlas (completa o parcialmente).

Por qué utilizar googlesheets? (Bryan 2015)

• Colaboración: no adjuntes, pasa un link!
• Aligerar el almacenamiento de datos en Shiny
• Trabajar con GoogleSheets públicas o privadas desde R
• GoogleSheets tiene funciones incorporadas para importar datos web: importxml(), importhtml(), importfeed()
• Servicios web: ifttt.com

figshare es un repositorio abierto donde los usuarios pueden hacer que todos sus resultados de investigación estén disponibles de una manera citable, compartible y comprobable.

Se pueden almacenar archivos de todo tipo.

• En la primera práctica descargaremos esos datos:

fileUrl <- "https://ndownloader.figshare.com/files/8455721"
download.file(fileUrl, destfile="./data/datos_practicas.RData")
dateDownloaded <- date()

Los usuarios de Windows debéis añadir a download.file la opción mode="wb"